SPSS RANCANGAN ACAK LENGKAP POLA FAKTORIAL AxB

Rancangan Acak Lengkap Pola Faktorial AxB adalah rancangan acak lengkap yang terdiri dari dua peubah bebas (Faktor) dalam klasfikasi silang yaitu faktor A yang terdiri dari a taraf dan faktor B yang terdiri dari b taraf dan kedua faktor tersebut diduga saling berinteraksi. Saling berinteraksi dimasudkan bahwa pengaruh suatu faktor tergantung dari taraf faktor yang lain, dan sebaliknya jika tidak terjadi interaksi berarti berarti pengaruh suatu faktor tetap pada setiap taraf faktor yang lain. Jadi bila tidak terjadi interaksi antar taraf-taraf suatu faktor saling sejajar satu sama lainnya, sebaliknya bila ada interaksi tidak saling sejajar. Model Matematisnya :

Yijk = + Ai + Bj + ABij + ijk

i = 1, 2, 3,,a =1.2.3,.......u Disini : Yijk : Pengamatan Faktor A taraf ke-i , Faktor B taraf kej dan Ulangan ke-k j = 1,2,3...........,b dan k

: Rataan Umum

Ai : Pengaruh Faktor A pada taraf ke-i Bj : Pengaruh Faktor B pada taraf ke-j ABij : Interaksi antara Faktor A dengan Faktor B

ijk : Pengaruh galat pada Faktor A taraf ke-i, Faktor B taraf

ke-k Teladan 6

ke-j dan ulangan

Seorang Peneliti ingin mengetahui pengaruh jenis ekstrak bawang putih (Allium sativum L) yaitu kontrol (tanpa ekstrak bawang putih), ekstrak bawang putih lokal dan ekstrak bawang putih import dan jangka waktu penyimpanan pada suhu 5o C (dingin) yaitu : 0, 3, 6, dan 9 hari terhadap angka lempeng total bakteri (ALTB) pada daging sapi. Penelitian ini menggunakan 4 ulangan dengan berat masing-masing 30 gram, sehingga jumlah sampel yang digunakan sebanyak 3x4x4=48 sampel daging sapi.

Tabel 6. Data Log Angka Lempeng Total Bakteri (Log ALTB).: Jenis Bawan g Putih (i) Kontrol Lama Simpan Hari (j) 0 3 6 9 0 3 6 9 0 3 6 9 Ulangan (k) 1 6.0128 7.3345 8.2923 9.8645 5.3541 6.1703 7.7388 8.7694 5.4216 5.9782 6.7619 7.7910 2 5.9868 7.2833 7.9513 9.7292 5.1931 5.9754 7.7482 8.4843 5.1075 5.7782 6.8235 7.7295 3 6.1139 7.1072 8.3655 10.064 5.5416 5.9395 7.8195 8.6776 5.1818 5.9243 6.8136 7.9405 4 5.9494 7.5051 8.1703 9.7993 5.2878 6.1206 7.7559 8.7126 5.3139 5.8062 6.7738 7.7993

Lokal

Import

Memasukkan data melalui Windows

Programe SPSS for Windows-..SPSS 13.0 for

Kompurter telah siap dengan Program SPSS, Klik Variable View pada pojok keri bawah, ditunjukan pada Gambar 1.9 di bawah ini, kemudian pada Kolom Name ketik, Jenis, L, Ulangan dan ALTB, pada Kolom Type Numeric, kolom Label ketik Jenis Bawang Putih, Lama Simpan, Ulangan dan Log. ALTB seperti tampak pada Gambar 1.9.

Gambar 1.9. Kotak Diolog Variable View Klik pada pojok kiri atas pada baris 1 yaitu Jenis, kolom Values, maka muncul Gambar 2.9.

Gambar 2.9 Kotak Diolog Value Labels Ketik angka 1 pada kotak Value, ketik Kontrol pada kotak Value Label, kemudian Klik Add Ketik angka 2 pada kotak Value, ketik Lokal pada kotak Value Label, kemudian Klik Add Ketik angka 3 pada kotak Value, ketik Import pada kotak Value Label, kemudian Klik Add Kelik OK, maka kembali ke Gambar 1.9, kemudian Klik Data View pada pojok kiri bawah, maka muncul Gambar 3.9 Lengkapi atau salin data Tabel 6. seperti tertera pada Gambar 3.9.

Gambar 3.9. Data View

9.1. Analisis Deskriptif.

Analisis deskriptif diperlukan untuk melihat ukuran pemusatan dan ukuran penyebaran data, dalam hal ini ukuran pemusatan datanya adalah mean (Rataan) dan ukuran

penyebarannya adalah Std Deviation (Standar Deviasi) dari Log ALTB pada jenis ekrtak bawang putih yang berbeda dan lama simpan selama 9 hari.yaitu 0, 3, 6 dan 9 hari) . Klik : Analyze Gambar 3.9, pilih Compare Means, kemudian Klik Means, maka muncul Gambar 4.9. Klik Log ALTB, pindahkan dengan tanda ke kotak Dependent List Klik Jenis Esktrak Bawang Putih, pindahkan dengan tanda ke kotak Independent List Klik Lama Simpan(L), pindahkan dengan tanda ke kotak Independent List

Gambar 4.8. Kotak Diolog Mean KLik OK, maka diperoleh hasil beriklut : Means Log. ALTB * Ekstrak Bawang Putih Log. ALTB Ekstrak Bawang Putih N Mean Kontrol 16 7.845588 Bawang Putih Lokal 16 6.955544 Bawang Putih Impor 16 6.434031 Total 48 7.078388 Log. ALTB * Lama Simpan (Hari) Log. ALTB Lama Simpan (Hari) N Mean 0 12 5.538667 3 12 6.410233 6 12 7.584550 9 12 8.780100 Total 48 7.078388

Std. Deviation 1.451340 1.367891 1.002393 1.391744

Std. Deviation .371653 .676908 .620203 .885003 1.391744

9.2.

Analisis Ragam.
Analisis Ragam (Analisis Varian ) dilakukan untuk menguji pengaruh Jenis

Ekstrak Bawang Putih dan Lama Penyimpanan(L) terhadap Log. ALTB daging sapi yang disimpan pada suhu dingin, apakah ada pengaruhnya atau tidak. Disamping itu juga untuk menguji apakah terdapat interaksi yang nyata antara Jenis ekstrak bawang putih dengan lama penyimpanan (Ekstrak*L). Sedangkan uji setelah analisis ragam diperlukan untuk mengetahui apa ada perbedaan mean (rataan) Log ALTB antara 3 jenis ekstrak bawang putih (Kontorl, Lokal dan Import) dan antara lama penyimpanan 0, 3, 6, dan 9 hari yaitu dengan Uji Duncan. Prosedur analisis ragam dan uji rataannya sebagai berikut : Klik Analyze pada Gambar 3.9, pilih General Linear Model, lalu Klik Univariate, maka muncul Gambar 5.9. seperti tampilan dibawah ini :

Gambar 5.9. Kotak Dialog Univariate Klik Log ALTB, pindahkan dengan tanda ke kotak Dependent List Klik Jenis Ekstrak Bawang Putih (Ekstrak), pindahkan dengan tanda ke kotak Fixed Factor(s) Klik Lama Simpan(L), pindahkan dengan tanda ke kotak Fixed Factor(s) Klik Post Hoc, maka muncul Gambar 6.9

Klik Ekstrak, pindahkan dengan tanda ke kotak Post Hoc Test for Klik L, pindahkan dengan tanda ke kotak Post Hoc Test for Berikan tanda V pada Duncan Klik Continu, maka kembali ke Gambar 5.9.

Gambar 6.9. Kotak Diolog Univariate Post Hoc Klik Paste, maka muncul Gambar 7.9

Gambar 7.9. Kotak Diolog Syntax

Perhatikan /DESIGN = Ekstrak L Ekstrak*L . bila tidak sama, harus disamakan dengan yang tertera pada Gambar 7.9., jika tidak hasilnya akan berbeda. Klik tanda untuk menjalankan Syntax, maka diperoleh hasil analisis sebagai beriku :

Univariate Analysis of Variance Tests of Between-Subjects Effects Dependent Variable: Log. ALTB Source Type III Sum df Mean Square F of Squares Corrected Model 90.516 11 8.229 568.995 Intercept 2404.971 1 2404.971 166297.434 EKSTRAK 16.302 2 8.151 563.624 L 71.630 3 23.877 1651.017 EKSTRAK * L 2.584 6 .431 29.775 Error .521 36 1.446E-02 Total 2496.008 48 Corrected Total 91.037 47 a R Squared = .994 (Adjusted R Squared = .993) Kesimpulan :

Sig. .000 .000 .000 .000 .000

Hasil Analisis Varian menunjukkan bahwa Ekstrak bawang putih dan jangka waktu penyimpanan (L) berpengaruh sangat nyata (P<0,01) terhadap log ALTB daging sapi yang disimpan pada suhu dingin (lihat Sig .000<0,01). Terdapat interaksi yang sangan nyata (P<0,01) antara jenis ekstrak bawang putih dengan jangka waktu penyimpanan tehadap log ALTB daging sapi yang disimpan pada suhu dingin.

Post Hoc Tests Ekstrak Bawang Putih Homogeneous Subsets

Log. ALTB Duncan Ekstrak Bawang Putih Bawang Putih Impor Bawang Putih Lokal Kontrol N 16 16 16 1 6.434031 Subset 2 6.955544 7.845588

Sig. 1.000 1.000 1.000 Means for groups in homogeneous subsets are displayed. Based on Type III Sum of Squares The error term is Mean Square(Error) = 1.446E-02. a Uses Harmonic Mean Sample Size = 16.000. b Alpha = .05. Kesimpulan : Hasil Uji Duncan pada Alpha 0,05 menunjukkan bahwa terdapat perbedaan yang nyata (P,0,05) log jumlah ALTB antara ketiga jenis ekstrak bawang putih yang diberikan pada daging sapi yang disimpan pada suhu dingin.

Homogeneous Subsets
Log. ALTB Duncan Lama Simpan (Hari) N 1 2 4 0 12 5.538667 3 12 6.410233 6 12 7.584550 9 12 8.780100 Sig. 1.000 1.000 1.000 1.000 Means for groups in homogeneous subsets are displayed. Based on Type III Sum of Squares The error term is Mean Square(Error) = 1.446E-02. a Uses Harmonic Mean Sample Size = 12.000. b Alpha = .05. Kesimpulan : Hasil Uji Duncan pada Alpha 0,05 menunjukkan bahwa terjadi peningkatan jumlah log ALTB yang nyata (P,0,05) mulai dari penyimpanan 0 hari sampai dengan 9 hari 9.3. Analisis Regresi. Analisis regresi diperlukan untuk mencari hubungan antara lama simpan dengan log ALTB, oleh karena faktor lama simpan bersifat kualitatif dan jenis ekstrak bawang putih kualitatif, maka kita lakukan Analisis Regresi antara lama penyimpanan dengan Log ALTB pada masing-masing jenis ekstrak bawang putih (kontrol, bawang putih lokal dan bawang putih import). Persamaan regresi penduga adalah dalam bentuk polinom pangkat 3, hal ini disebabkan karena lama penyimpanan ada 4 taraf yaitu 0, 3, 5 dan 9, maka Subset 3

derajat polinomnya 4-1 = 3, jadi persamaan penduganya adalah : Y = o + 1L + 2L2 + 3L3

Gambar 8.9. Kotak Dialog Variable View Kita buat Variable View seperti tampak Gambar 8.9., Ketik pada Kolom Name L, Y1, Y2 dan Y3, pada Kolom Decimals, 0, 4, 4 dan 4 dan pada Kolom Label ketik Lama Simpan, Log ALTB Kontrol, Log ALTB Lokal dan Log ALTB Import Setelah kolom kolom pada Gambar 8.9 dilengkapi, kemudian Klik Data View pada pojok kiri bawah gambar tersebut, maka muncul Gambar 10..9. Lengkapi datanya, pada Kolom L, Y1, Y2 dan Y3. Kemudian Klik Transform, lalu Klik Compute, maka muncul Gambar 9.9. Ketik LL pada Target Variable dan L*L pada Numeric Expression, kemudian Klik OK Ketik LLL pada Target Variable dan L*L*L pada Numeric Expression, kemudian Klik OK Maka Gambar 10.9. yang kolomnya hanya diisi data L, Y1, Y2 dan Y3, dilengkapi dengan LL dan LLL

Gambar 9.9. Kotak Dialog Compute Variable

Gambar 10.9 Data View Klik Analyze, kemudian pilih Regression, lalu Linear, maka muncul Gambar 11. 9. Klik Lama Simpan, pindahkan dengan tanda Independent(s) Klik LL pindahkan dengan tanda Independent(s) Klik LLL, pindahkan dengan tanda Independent(s) Klik Log ALTB(Y1), pindahkan dengan tanda Dependent Perhatikan Kotak Method, biasanya tertulis Enter, ganti atau pilih Stepwise Kelik OK Dengan cara yang sama Log ALTB Kontrol (Y1), diganti dengan Log ALTB Lokal(Y2), Klik OK, selanjutnya diganti dengan Log ALTB Impor(Y3), Klik OK, maka diperoleh hasil analisisnya. Ingat tampilan hasil analisis yang tidak penting telah di delete

Gambar 11.9. Kotak Diolog Linear Regression Regression : Kontrol Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .989 .978 .977 .220457 2 .992 .985 .983 .191427 3 .996 .992 .990 .146133 a Predictors: (Constant), Lama Simpan (Hari) b Predictors: (Constant), Lama Simpan (Hari), LLL c Predictors: (Constant), Lama Simpan (Hari), LLL, LL ANOVA Model 1 Sum of Squares Df Regression 30.915 1 Residual .680 14 Total 31.596 15 2 Regression 31.119 2 Residual .476 13 Total 31.596 15 3 Regression 31.340 3 Residual .256 12 Total 31.596 15 a Predictors: (Constant), Lama Simpan (Hari) Mean Square 30.915 4.860E-02 15.560 3.664E-02 10.447 2.135E-02 F 636.101 424.615 489.189 Sig. .000 .000 .000

b Predictors: (Constant), Lama Simpan (Hari), LLL c Predictors: (Constant), Lama Simpan (Hari), LLL, LL d Dependent Variable: Log. ALTB Coefficients Unstandardize Standardized d Coefficients Coefficients Model B Std. Error Beta 1 (Constant) 5.981 .092 Lama Simpan (Hari) .414 .016 .989 2 (Constant) 6.085 .091 Lama Simpan (Hari) .342 .034 .815 LLL 9.193E-04 .000 .191 3 (Constant) 6.016 .073 Lama Simpan (Hari) .630 .093 1.503 LLL 7.324E-03 .002 1.525 LL -8.839E-02 .028 -1.981 a Dependent Variable: Log. ALTB Persamaan Garis Regresi Kontrol (Tanpa Bawang Putih) : Y1 = 6.016 + 0.630L 0.08839L2 + 0.007324L3 R = 0.996 Regression : Bawang Putih Lokal

T 64.849 25.221 66.533 10.050 2.360 82.332 6.740 3.631 -3.211

Sig. .000 .000 .000 .000 .035 .000 .000 .003 .007

Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .985 .970 .967 a Predictors: (Constant), Lama Simpan (Hari) .247009

(a) ANOVA Model Sum of Squares Df Mean Square F Sig. 1 Regression 27.213 1 27.213 446.013 .000 Residual .854 14 6.101E-02 Total 28.067 15 a Predictors: (Constant), Lama Simpan (Hari) b Dependent Variable: Log. ALTB Coefficients Unstandardized Standardized T Sig. Coefficients Coefficients Model B Std. Error Beta 1 (Constant) 5.206 .103 50.380 .000 Lama Simpan .389 .018 .985 21.119 .000 (Hari) a Dependent Variable: Log. ALTB Persamaan Garis Regei Bawang Putih local : Y2 = 5.206 + 0.389L

R = 0.985 Regression pada Ekstrak Bawang Putih Import Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .990 .981 .980 .142839 2 .996 .992 .991 9.63018E-02 a Predictors: (Constant), Lama Simpan (Hari) b Predictors: (Constant), Lama Simpan (Hari), LL ANOVA Model 1 Sum of Squares df Mean Square Regression 14.786 1 14.786 Residual .286 14 2.040E-02 Total 15.072 15 2 Regression 14.952 2 7.476 Residual .121 13 9.274E-03 Total 15.072 15 a Predictors: (Constant), Lama Simpan (Hari) b Predictors: (Constant), Lama Simpan (Hari), LL c Dependent Variable: Log. ALTB Coefficients Unstandardized Std. Error Standardized Coefficients Coefficients Model B Beta 1 (Constant) 5.144 .060 Lama Simpan .287 .011 .990 (Hari) 2 (Constant) 5.246 .047 Lama Simpan .185 .025 .639 (Hari) LL 1.129E-02 .003 .366 a Dependent Variable: Log. ALTB F 724.721 806.099 Sig. .000 .000

T 86.091 26.921

Sig. .000 .000

111.776 .000 7.365 .000 4.219 .001

Persamaan Garis Regresi Bawang Putih Import : Y 3 = 5..246 + 0.185L + 0.01129L2 R = 0.992 Setelah kita peroleh persamaan garis regresi yaitu Y1, Y2 dan Y3, maka kita menggambar ketiga persamaan tersebut, dengan langkah sebagai berikut : Kita buat data buat Data View seperti Gambar 13.9, ketik data pada kolom L angka 0 9,. Klik Tranform, kemudian pilih dan Klik Compute, maka muncul Gambar 12.9

Ketik Yi pada kotak Target Variable, dan ketik 6.016 + 0.630*L 0.08839*L*L + 0.007324*L*L*L pada Numeric Expression, kemudian Klik OK, dengan cara yang sama ketik Y2 pada kotak Target Variable, dan ketik 5.206 + 0.389*L pada Numeric Expression, kemudian Klik OK Ketik Y3 pada kotak Target Variable, dan ketik 5..246 + 0.185*L + 0.01129*L*L pada Numeric Expression, kemudian Klik OK

Gambar 12.9. Kotak Dialog Compute Variable Untuk bisa menggambar dalam satu Grafik, maka kita gabung saja Y1, Y2 dan Y3 menjadi Y pada satu Kolom, dan diletakkan sesuai dengan jenis ekstrak bawang putih (Kolom Eklstrak) yaitu Y1 pada Estrak 1, Y2 pada ekstrak 32 dan Y3 pada estrak 3, seperti tampak pada Gambar 13.9

Gambar 13. 9. Data View Klik Graphs, pilih dan Klik Line, Klik Mutiple, Klik Difine, maka muncul Gambar 14.9. tandai atau Klik Other statistic (e.g. mean). Klik Log ALTB (Y), dan pindahkan dengan tanda ke Variable

Klik Lama Simpan (L), dan pindahkan dengan tanda ke Catagori Axis Klik Jenis Ekstrak Bawang Putih (Ekstrak), dan pindahkan dengan tanda ke Define Lines by

Gambar 14.9 Kotak Dialog Define Multiple Line

Graph

1 .0 0 0

Je is E stra n k k B w n P tih a ag u Im o pr Kn l o tro Lkl oa

9 0 .0

Mean Log. ALTB

8 0 .0

7 0 .0

6 0 .0

5 0 .0 0 1 2 3 4 5 6 7 8 9

L m S p n(H ri) a a im a a

Dari Gambar diatas tampak bahwa rata-rata nilai log ALTB paling rendah selama penyimpanan adalah jenis ekstark bawang putih iImpor, putih) kemudian ekstrak bawang putih lokal dan yang paling tinggi adalah control (tanpa ekstrak bawang